汽車模具企業(yè)制造執(zhí)行系統(tǒng)研究.pdf

1、汽車模具行業(yè)是汽車制造業(yè)的重要組成部分,汽車模具制造水平在一定程度上代表一個國家汽車制造業(yè)的水平。近十幾年來,在企業(yè)信息化的帶動下,我國汽車模具生產水平取得了巨大的進步,但與發(fā)達國家相比還存在較大差距,主要體現(xiàn)在車間生產組織管理方面:如計劃調度仍然憑經驗,車間信息傳遞仍然是手工作業(yè)(任務派發(fā)使用派工單等)等。制造執(zhí)行系統(tǒng)(MES)的出現(xiàn)為我國汽車模具企業(yè)提高車間生產組織管理水平提供重大的機遇。但由于汽車模具動態(tài)多變的生產特點,使得MES

2、在汽車模具企業(yè)的應用也存在不少困難。因此,本文圍繞構建面向汽車模具企業(yè)的制造執(zhí)行系統(tǒng),對MES相關的問題展開研究。
　　 由于汽車模具制造業(yè)生產環(huán)境復雜,具有動態(tài)多變的生產特點,因此應用于汽車模具企業(yè)的MES需要具有敏捷性和可重構性。要構建具有敏捷性和可重構性的系統(tǒng),就需要對系統(tǒng)的控制結構進行研究。本文分析了目前普遍使用的幾種系統(tǒng)控制結構的優(yōu)缺點,在發(fā)現(xiàn)敏捷制造系統(tǒng)分形特征的基礎上,提出了用以構建MES的分形控制結構。該控制結構

3、是遞階控制結構和分布式控制結構的適當妥協(xié),既具有分布式控制結構的自治性及易于重構性,又可以像遞階控制結構一樣對系統(tǒng)內個體間的行為和目標進行協(xié)調控制以實現(xiàn)全局優(yōu)化。為實現(xiàn)分形控制結構,提出了分形控制單元,并采用多Agent技術對分形控制單元的內部結構進行了描述。對分形控制單元的功能進行了研究,并通過實例實現(xiàn)了系統(tǒng)的可重構。
　　 動態(tài)調度功能是汽車模具企業(yè)MES的核心功能。為了適應汽車模具企業(yè)動態(tài)多變的生產特點,MES的調度必須能

4、夠對車間生產過程中發(fā)生的各種實時事件做出快速的反應。汽車模具企業(yè)車間生產調度是典型的單件車間調度問題(Job Shop Scheduling,JSS),是典型的NP難問題。為了能夠實現(xiàn)實時快速的動態(tài)調度,則需要將問題規(guī)模縮小,因此采用滾動調度方法。在影響調度的諸因素中,模具的優(yōu)先級、到期時間以及資源等約束占據(jù)了十分重要的位置,在進行動態(tài)調度時,需要綜合考慮這些約束。本文首先采用數(shù)學規(guī)劃法對在滾動調度策略下JSS問題進行了描述；然后對滾動

5、調度的基本問題--滾動調度窗口的確定進行了研究。首先通過資源約束來確認滾動調度窗口內應被選入工件的數(shù)量,然后通過采用神經網絡對工件優(yōu)先級和工件到期時間兩個約束進行處理,提出了基于神經網絡的滾動調度窗口工件選入算法。其次,根據(jù)汽車模具企業(yè)生產的動態(tài)多變特點提出了混合滾動調度策略,提出了滾動調度啟動的條件。最后提出了滾動調度算法流程。
　　 由于神經網絡自身存在著弱點,即神經網絡對樣本集有較大的依賴性,如果樣本集不好會導致神經網絡運

6、算慢甚至停滯,因此基于神經網絡的多約束滾動調度窗口工件選入算法也存在這個弱點。為了克服上述弱點,本文采用粗集理論對神經網絡的樣本集進行了優(yōu)化,并基于優(yōu)化后的決策表提出調度決策規(guī)則。依此規(guī)則,構建了五層粗神經網絡,從而提出了基于粗神經網絡的滾動調度窗口工件選入算法。對于上述算法中,針對從優(yōu)化后決策表中所提取的調度決策規(guī)則中存在著規(guī)則沖突,提出了基于粗集的解決方案,計算了工件到期時間和工件優(yōu)先級相對于工件是否選入滾動調度窗口的權重。以權重作